هوش‌مصنوعی داروها را هزار بار سریع‌تر از روش‌های کنونی کشف می‌کند

دست‌اندرکاران این صنعت می‌گویند این نویدبخش کشف سریع درمان سرطان و تومور است

مدل «اکویی‌بایند» با سرعتی بسیار بالا می‌تواند مولکول‌های شبه‌‌دارویی را با موفقیت به پروتئین‌ها پیوند بزند_ AFP

محققان یک مدل هوش‌مصنوعی ساخته‌اند که می‌تواند مولکول‌های دارویی بالقوه را بیش از هزار بار سریع‌تر از شیوه‌های پیشرفته کنونی کشف ‌کند.

طبق اعلام این گروه تحقیقاتی «موسسه فناوری ماساچوست» (MIT)، این مدل هوش‌ مصنوعی که «اکویی‌ بایند» (EquiBind) نام دارد، احتمال و هزینه شکست آزمون‌های دارویی را به طرز چشم‌گیری کاهش خواهد داد.

تعداد مولکول‌های دارای ویژگی‌های شبه‌دارویی  بالقوه سر به فلک می‌زند و حدود ۱۰ به توان ۶۰ برآورد شده است. در مقام مقایسه، تعداد ستارگان کهکشان راه شیری حدود ۱۰ به توان ۸ است.

مدل «اکویی‌بایند» با سرعتی هزار و ۲۰۰ برابر سرعت سریع‌ترین مدل‌های موجود رایانشی جورسازی مولکولی، می‌تواند این مولکول‌های شبه‌‌دارویی را با موفقیت به پروتئین‌ها پیوند بزند.

Read More

This section contains relevant reference points, placed in (Inner related node field)

«اکویی‌بایند» این کار را با استفاده از استدلال هندسی تعبیه‌ شده در خودش انجام می‌دهد که امکان می‌دهد پیش‌بینی کند کدام پروتئین‌ها با مولکولی جفت و جور می‌شوند؛ بی‌آنکه پیشاپیش از بسته هدف آن هیچ گونه آگاهی داشته باشد.

هانس استارک، دانشجوی سال اول کارشناسی ارشد در گروه مهندسی برق و علوم رایانه ام‌آی‌تی و نویسنده اصلی مقاله تشریح‌ کننده این تحقیق، می‌گوید: «وقتی [دیدیم] که شیوه‌های دیگر به کلی نادرست عمل می‌کردند یا فقط یک مورد را درست انجام می‌دادند، اما اکویی‌بایند می‌توانست آن را در بسته درست قرار دهد، حیرت کردیم. بنابراین از دیدن این نتایج خیلی خوشحال شدیم.»

این یافته‌ها پیشاپیش توجه دست‌اندرکاران صنعت [دارویابی/داروسازی] را جلب کرده است و امیدوارند بتوان از آن‌ها برای یافتن درمان سرطان ریه، سرطان خون و تومورهای  دستگاه گوارش استفاده کنند.

پت والترز، کارشناس ارشد داده‌ها در شرکت کشف مواد دارویی «ریلی تراپیوتیکز»(Relay Therapeutics)، می‌گوید: «اکویی‌بایند راهکار منحصر‌به‌فردی برای مشکل جورسازی به دست می‌دهد که هم پیش‌بینی وضعیت، هم شناسایی محل ترکیب  را انجام می‌دهد.»

«این رهیافت که اطلاعات برگرفته از هزاران ساختار کریستالی در دسترس عموم را به کار می‌گیرد، قابلیت آن را دارد که به روش‌های جدیدی بر این حوزه اثر بگذارد.»

این مقاله علمی با عنوان« اکویی‌بایند: یادگیری ژرف هندسی در خدمت پیش‌بینی ساختار پیوند دارویی» در «همایش بین‌المللی یادگیری ماشین» (ICML) عرضه خواهد شد.

© The Independent

بیشتر از تکنولوژی